您的位置： 专家智库 > >

国家自然科学基金(60603029)

作品数：39 被引量：213H指数：8
相关作者：潘志松缪志敏胡谷雨倪桂强赵陆文更多>>
相关机构：解放军理工大学南京航空航天大学扬州大学更多>>
发文基金：国家自然科学基金江苏省自然科学基金国家高技术研究发展计划更多>>
相关领域：自动化与计算机技术电子电信更多>>

文献类型

  • 39篇期刊文章
  • 1篇会议论文

领域

  • 39篇自动化与计算...
  • 1篇电子电信

主题

  • 12篇支持向量
  • 12篇向量
  • 12篇分类器
  • 11篇单类分类器
  • 9篇异常检测
  • 8篇数据描述
  • 7篇支持向量数据...
  • 6篇SVDD
  • 5篇入侵
  • 5篇入侵检测
  • 4篇安全审计
  • 4篇半监督学习
  • 3篇通信
  • 3篇卫星
  • 3篇核方法
  • 2篇单类支持向量...
  • 2篇地球站
  • 2篇映射
  • 2篇支持向量机
  • 2篇支持向量描述

机构

  • 33篇解放军理工大...
  • 6篇南京航空航天...
  • 3篇扬州大学
  • 3篇中国人民解放...
  • 3篇中国人民解放...
  • 1篇南京师范大学
  • 1篇总参第六十三...
  • 1篇西南电子电信...
  • 1篇南京陆军指挥...

作者

  • 22篇潘志松
  • 14篇缪志敏
  • 12篇胡谷雨
  • 11篇倪桂强
  • 6篇赵陆文
  • 6篇罗隽
  • 5篇陈卫卫
  • 5篇吴海佳
  • 4篇丁力
  • 4篇陈宁军
  • 4篇冯爱民
  • 4篇王琼
  • 4篇陈斌
  • 3篇陈彦德
  • 3篇陈松灿
  • 3篇董继光
  • 2篇周志杰
  • 2篇姜劲松
  • 2篇严坤
  • 2篇严岳松

传媒

  • 7篇解放军理工大...
  • 3篇计算机研究与...
  • 3篇计算机工程与...
  • 2篇模式识别与人...
  • 2篇数据采集与处...
  • 2篇计算机工程
  • 2篇计算机应用
  • 2篇计算机应用研...
  • 2篇计算机科学
  • 1篇电信科学
  • 1篇通信学报
  • 1篇电子学报
  • 1篇南京航空航天...
  • 1篇计算机学报
  • 1篇微电子学与计...
  • 1篇兰州大学学报...
  • 1篇应用科学学报
  • 1篇南京理工大学...
  • 1篇军械工程学院...
  • 1篇Transa...

年份

  • 1篇2014
  • 7篇2012
  • 1篇2011
  • 6篇2010
  • 10篇2009
  • 12篇2008
  • 3篇2007
共 39 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
一种新的基于SVDD的多类分类算法被引量：4
2009年
目前的多类学习方法大多将多类问题转化为二类问题,这样处理除了时间开销大,还存在识别盲区。提出了一种直接进行多类学习的算法multi-SVDD。该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上,首先为每类训练样本进行聚类,根据聚类结果由支持向量数据描述(SVDD,Support Vector Date Description)建立多个最小包围球。根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类,最终可判断测试样本属于哪个类。multi-SVDD算法在时空开销上相比最小包围球方法没有明显增长,而实验效果则好于最小包围球方法。
缪志敏潘志松袁伟伟赵陆文
关键词：支持向量数据描述聚类
基于AOM和插件模式的轻量级框架研究被引量：3
2010年
为了提高软件的复用度和扩展性,在参考设计模式和MVC框架的基础上,提出了一种基于自动化对象模型(AOM,Automatic Object Model)和插件(Plug-In)模式的轻量级框架(LFBAP,Lightweight Framework Based on AOM andPlug-In Pattern),并采用了Object-Z语言进行了形式化描述。其中,利用了观察者模式、事件冒泡机制设计AOM,为框架提供了一组可被订阅的对象事件接口;设计并实现了基于DLL的插件模式。应用结果表明,使用LFBAP框架开发某系统定制平台软件,可以很方便地对系统进行插件级的扩展,能有效地提高开发效率。
严坤倪桂强姜劲松冯钦
关键词：软件复用轻量级
基于核稀疏表示的特征选择算法被引量：3
2012年
为了解决高维数据在分类时导致的维数灾难,降维是数据预处理阶段的主要步骤。基于稀疏学习进行特征选择是目前的研究热点。针对现实中大量非线性可分问题,借助核技巧,将非线性可分的数据样本映射到核空间,以解决特征的非线性相似问题。进一步对核空间的数据样本进行稀疏重构,得到原数据在核空间的一种简洁的稀疏表达方式,然后构建相应的评分机制选择最优子集。受益于稀疏学习的自然判别能力,该算法能够选择出保持原始数据结构特性的"好"特征,从而降低学习模型的计算复杂度并提升分类精度。在标准UCI数据集上的实验结果表明,其性能上与同类算法相比平均可提高约5%。
邓战涛胡谷雨潘志松张艳艳
一种基于事件流处理引擎的企业服务总线平台被引量：5
2010年
针对目前基于企业服务总线的系统难以实现企业实际应用所需的复合事件处理功能的问题,提出了一种基于事件流处理引擎的企业服务总线平台。在基于关系代数的复合事件处理模型的基础上,对面向复合事件处理的企业服务总线平台及事件流处理引擎进行了定义和描述,并给出了主要的复合事件处理算法及性能分析。在复合事件处理的性能方面对该平台和现有的基于企业服务总线的系统进行了仿真和比较,验证了该平台的有效性。
张潇毅邓波丁鲲
关键词：企业服务总线面向服务体系结构事件驱动架构
Robust Location Estimation with Possibilistic Clustering
In this paper we consider the weighted(1-center) location problems weighted by the Possibilistic clustering me...
Chen Bin
关键词：MINIMAX
基于改进隐马尔可夫模型的系统调用异常检测被引量：4
2009年
针对隐马尔可夫模型计算开销过高的问题,提出了一种新的基于隐马尔可夫模型(Hidden Markov model,HMM)的异常检测方法,利用系统调用执行迹具有的局部规律性,用改进的HMM(Improved HMM,IHMM)学习算法来构建程序正常行为模型。在检测时,首先对待测系统调用数据用滑动窗口划分,并通过正常行为模型来判定异常,根据异常短序列占所有短序列的百分比来判断该进程是否行为异常。实验结果显示该方法训练耗时仅为传统方法的1%。当阈值在一个较大范围内变化时,模型的检测性能始终保持稳定。表明本文方法通过避免对大量相同短序列的重复计算,显著减少了训练时间和计算开销,在实际应用中具有良好的可操作性。
王琼倪桂强潘志松缪志敏胡谷雨
关键词：入侵检测异常检测隐马尔可夫模型
基于RS纠删码的信息分散算法被引量：3
2010年
利用基于RS纠删码的信息分散算法可构建高顽存的分布式存储系统。RS纠删码的编/译码速率是衡量其可用性的一个重要指标。对RS纠删码的纠删原理进行了理论分析,讨论了编/译码运算所在的伽罗瓦域,基于伽罗瓦域算术运算的特征设计了双表法以提高编/译码速率。最后对该信息分散算法的效率进行了理论分析和实验测试。测试结果表明,该信息分散算法可提供18 Mbps的编/译码速率,基于该测试结果分析了基于RS纠删码的信息分散算法的适用环境,指出信息分散算法未来的研究方向。
吴海佳陈卫卫
关键词：伽罗瓦域分布式存储
一种基于聚类分布的支持向量数据描述
2008年
在基于解决单类问题的支持向量数据描述算法基础上提出了基于聚类分布信息的c-SVDD算法.该算法对带野值的SVDD算法中的C值重新定义.通过增加核空间下测试样本的聚类分布信息。为每个样本定义一个特定的c值.c-SVDD算法适应于解决类别不平衡学习问题.该算法在保证少类样本高分类精度前提下,还有效提高了全样本的分类精度,更符合现实不平衡问题中对少类样本的处理要求.对UCI数据集和人工样本集进行实验.改进后的c-SVDD算法比带野值的SVDD算法AUC值平均提高0.14以上;比AdaBoost算法在正类查全率上平均提高40%,精确度也提高了至少5%.
缪志敏赵陆文潘志松胡谷雨
关键词：支持向量数据描述ADABOOST
一种地球站异常检测系统的设计与实现
2009年
随着卫星通信网的推广,其安全性越来越重要。针对卫星通信网中可能出现的严重威胁其自身安全的地球站被盗用或伪造等问题,提出了地球站行为异常检测的概念,采用聚类分析和模式匹配相结合的检测方法,设计并实现了一个卫星通信网地球站异常检测系统。提出了一种改进的KFCM聚类异常检测算法,该算法可获得局部最优划分。实验结果表明,改进后的算法具有更好的聚类效果,系统达到了较好的检测性能。
陈宁军罗隽肖佳
关键词：异常检测聚类分析
基于SVDD的半监督入侵检测研究被引量：7
2009年
提出了一种基于SVDD的半监督入侵检测算法.该算法利用少量有标记正常网络数据建立两个SVDD分类器,通过相互学习来挖掘未标记数据中的隐含信息,扩大有标记正常网络数据的数量.再利用所有已标记正常网络数据用不同的单分类方法建立多个单类分类器,通过集成学习的方法得到最终的分类器.实验表明,该算法具有良好的识别性能.
严岳松倪桂强缪志敏潘志松汪肇强
关键词：入侵检测半监督学习CO-TRAINING单类分类器
全选 清除 导出
共4页<1234>
聚类工具0